Ba trục kiến thức, nhiều điểm bắt đầu. Chọn chuyên đề phù hợp hoặc tìm nhanh điều bạn đang quan tâm.
Hiểu kỳ thi, đọc kết quả và xây dựng cách học phù hợp.
Hiểu ý nghĩa điểm số và các bằng chứng về chất lượng đo lường.
Từ thiết kế ma trận đến biên soạn và quản lý ngân hàng.
Tìm theo từ khóa, chọn chuyên đề và mức độ phù hợp với bạn.
MLE, MAP và EAP là các cách ước lượng năng lực theo những quy tắc thống kê khác nhau. Cùng một bài làm có thể cho kết quả khác khi đổi cách ước lượng, đặc biệt với bài ngắn; báo cáo cần nêu phương pháp và thông tin độ bất định tương ứng.
Đọc bàiMột học sinh đúng cả 5 câu nhưng cột theta lại hiện không có giá trị MLE hữu hạn. Điều này không phủ nhận kết quả 5/5. Nó cho biết bộ câu đã chạm một giới hạn: em chưa gặp câu sai nào để giúp định vị phía trên bằng cách ước lượng đang dùng. Trường hợp sai cả 5 câu có vấn đề tương tự ở phía dưới.
Đọc bàiCùng một câu hỏi, lớp ôn tập thứ nhất có gần ba phần tư học sinh làm sai, còn lớp thứ hai chỉ có khoảng một phần tư làm sai. Nếu gọi tỷ lệ sai là độ khó, câu ấy vừa rất khó vừa khá dễ. Mâu thuẫn này biến mất khi ta hỏi thêm: khó đối với nhóm nào, và đang dùng cách mô tả nào?
Đọc bàiHai câu đều có xác suất đúng 50% ở cùng một mức năng lực. Ta có thể nghĩ chúng đo giống hệt nhau. Nhưng khi nhìn sang những học sinh ở hai phía của mức ấy, một câu cho xác suất đúng thay đổi rất ít, câu còn lại thay đổi rõ rệt. Sự khác biệt đó dẫn tới khái niệm độ phân biệt.
Đọc bài“Câu này chỉ 20% học sinh làm đúng, chắc phải rất hay.” Câu nói ấy nghe quen trong các buổi chữa đề. Nhưng một bài toán có chiều sâu, một câu viết thiếu điều kiện và một câu hỏi ra ngoài phạm vi đều có thể khiến rất ít người làm đúng. Tỷ lệ thấp cho ta một tín hiệu; chất lượng cần thêm bằng chứng.
Đọc bàiMột câu có 56% học sinh làm đúng. Nếu chỉ giữ cột đúng/sai, ta biết gần một nửa nhóm chưa trả lời đúng nhưng không biết họ đã chọn gì. Khi mở lại các lựa chọn A, B, C, D, câu chuyện rõ hơn: một phương án kéo nhiều người sang một hướng tính, một phương án hầu như không ai chọn.
Đọc bàiTrong bảng phân tích, câu Q27 bị tô đỏ ở cột “không phù hợp mô hình”. Người viết lo câu mình sai; học sinh có thể nghĩ đáp án cần hủy. Thực ra, dòng cảnh báo mới nói rằng dữ liệu trả lời của câu có điểm chưa giống điều mô hình dự kiến. Nó mở một cuộc kiểm tra, chưa khép lại bằng một kết luận.
Đọc bàiMột giáo viên cần chọn câu để tìm hiểu nhóm học sinh đang ở gần mức theta 0,5. Câu có xác suất đúng cao nhất chưa chắc là lựa chọn giúp đo rõ nhất. Muốn quyết định, cô cần nhìn xem đường xác suất đổi nhanh ở đâu và thông tin của câu tập trung tại vùng nào.
Đọc bàiNhận một bảng hàng trăm dòng a, b và SE, người phụ trách không cần bắt đầu bằng câu hỏi “câu nào bị loại?”. Cách hữu ích hơn là lập danh sách: câu nào có dấu hiệu gì, cần ai xem và cần thêm bằng chứng nào. Bảng tham số khi ấy trở thành một công cụ làm việc.
Đọc bàiMột nhiễu được chọn khá nhiều ở cả nhóm thấp và nhóm cao. Điều đó có giống một nhiễu chỉ thu hút nhóm chưa thành thạo không? Bảng tổng số lượt chọn không trả lời được. Cần mở từng vùng năng lực để thấy ai đang chọn phương án nào, rồi mới đặt câu hỏi thẩm định phù hợp.
Đọc bàiCùng một tệp trả lời, lần phân tích với bốn nhóm cho thấy câu có một vùng lệch rõ; lần dùng hai nhóm, dấu hiệu nhẹ đi. Nên tin lần nào? Để trả lời, người phân tích cần kiểm tra kết luận nhạy đến đâu với những lựa chọn hợp lý, thay vì giữ lại phiên bản có nhiều câu “đạt” nhất.
Đọc bàiMột câu được hiệu chuẩn ở đợt trước có b = 0,4, đợt sau hiện b = 0,9. Có phải câu đã khó hơn? Trước khi tìm nguyên nhân, cần kiểm ba điều: hai con số có cùng thang chưa, độ bất định lớn đến đâu, và dữ liệu có thực sự cho phép nhận ra thay đổi qua đợt hay không.
Đọc bàiThử từ khóa ngắn hơn hoặc bỏ bớt điều kiện lọc để xem thêm bài viết.